已验证65% 置信事实精确时间

扩散模型在推理阶段从随机高斯噪声出发，经数十至数百步迭代去噪得到输出，即便固定随机种子，提示词的细微差异也会导致人脸特征、服装细节的显著偏移

3

来源数

65%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

Flova全能Agent：AI短剧角色一致性问题的系统解决方案

相关事实

已验证图像生成模型的输出随机性本质上来源于扩散过程的初始噪声采样，Seed（随机数种子）控制初始噪声80% 相似待验证扩散模型的随机采样本质决定了同一提示词每次生成结果均存在差异78% 相似已验证扩散模型的核心思路来源于非平衡热力学，训练阶段将清晰图像逐步加入高斯噪声，推理阶段从随机噪声逆向去除噪声还原图像78% 相似已验证扩散模型通过在海量图像数据上训练，学会了从随机噪声中逐步去噪生成图像的能力77% 相似待验证风格漂移是AI连续生成中的常见问题，根本原因在于每次生成引入随机采样噪声、模型对风格理解为概率性，以及上下文窗口限制稀释早期风格信息76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/536228

API

curl https://kongchang.com/api/v1/knowledge/claims/536228

MCP

get_claim(id=536228)